本发明属于生物技术领域，尤其涉及一种多功能智能便携式微生物收集系统、方法及应用。
背景技术：
目前，业内常用的现有技术是这样的：
微生物包括：细菌、病毒、真菌以及一些小型的原生生物、显微藻类等在内的一大类生物群体，它个体微小，与人类关系密切。涵盖了有益跟有害的众多种类，广泛涉及食品、医药、工农业、环保等诸多领域。在中国大陆地区的教科书中，均将微生物划分为以下8大类：细菌、病毒、真菌、放线菌、立克次体、支原体、衣原体、螺旋体。有些微生物是肉眼可以看见的，像属于真菌的蘑菇、灵芝等。还有微生物是一类由核酸和蛋白质等少数几种成分组成的“非细胞生物”，但是它的生存必须依赖于活细胞。然而，现有微生物收集系统相关的检查设备通过传统供电方式，耗费电能，限制收集系统的携带；同时检测微生物含量速度慢。
综上所述，现有技术存在的问题是：
现有微生物收集系统相关的检查设备通过传统供电方式，耗费电能，限制收集系统的携带；同时检测微生物含量速度慢。
现有的微生物收集方法智能化程度低；
现有技术对微生物收集系统、方法的应用在相关领域内没有相继开发。
现有的图像处理数据准确性低。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种多功能智能便携式微生物收集系统、方法及应用。
本发明是这样实现的，一种多功能智能便携式微生物收集系统，包括：
太阳能供电模块，与中央控制模块连接，用于通过太阳能电池板将太阳能转化为电能给收集系统进行持久供电；
图像采集模块，与中央控制模块连接，用于通过光学显微镜采集微生物图像；图像采集模块包括微生物图像采集模块、微生物轮廓提取模块、图像结果输出模块；
微生物图像采集模块对采集的微生物图像进行预处理，通过图像灰度修正、去噪、锐化和边缘增强，去除干扰、噪声及差异，获得图像中微生物部分的亮度值；
微生物轮廓提取模块结合微生物先验知识，识别微生物形状、颜色与边缘，从周围环境中提取微生物的边缘轮廓并对提取出的微生物区域进行图像分割，探测微生物内图标；
所述图像结果输出模块，用于结合微处理器中存储的微生物先验知识，对图像分割后的微生物进行分类判决，判断微生物上有无缺陷，识别微生物标准图标并输出对应信息；
图像采集模块还包括条形码识别模块，与微生物轮廓提取模块连接，该条形码识别模块包括摄像单元、条形码识别单元、编码查询单元、数据库、视频处理单元、显示单元、目标表面附着的条形码；摄像单元负责获取目标图像，条形码识别单元负责识别目标条形码的编码，编码查询单元负责以编码检索数据库中编码对应的标识及信息，视频处理单元负责标识及信息的视频插入，显示单元负责显示包含目标标识及信息的视频图像；
条形码识别模块进行任务调度的过程中包含数据迭代过程，在数据迭代过程中，每个条形码根据转移公式确定被微生物轮廓提取模块进行图像分割选择的概率，转移公式为：
其中，τi,j和ηi,j分别表示将任务ti分配给条形码识别模块mj时的信息素及转移期望程度，n为微生物轮廓提取模块进行图像分割的条形码的个数；
α为激发系数，β为期望激发系数；
所述的τi,j和ηi,j均用条形码识别模块的计算能力来表示：
τi,j＝ηi,j＝msj/n；
msj表示处理任务i的条形码识别模块mj的计算速度，n为常数；
所述的条形码识别模块对残留信息进行更新时，采用如下公式：
τij(t+1)＝(1-ρ)×τij(t)+△τij(t)
其中，τij(t+1)表示第t+1次迭代时任务ti选择条形码识别模块mj的信息量，1-ρ为信息残留因子，ρ取值范围为[0,0.8),△τij(t)表示任务ti选择条形码识别模块mj执行残留在条形码识别模块mj上的残留信息量；
温度检测模块，与中央控制模块连接，用于通过温度传感器检测微生物环境温度；
中央控制模块，与太阳能供电模块、图像采集模块、温度检测模块、干燥模块、培养模块、检测模块、显示模块连接，用于控制各个模块正常工作；
干燥模块，与中央控制模块连接，用于除去潮湿物料内及器皿内外水分；
培养模块，与中央控制模块连接，用于通过培养箱对微生物进行培养；
检测模块，与中央控制模块连接，用于对微生物含量进行检测；
显示模块，与中央控制模块连接，用于显示采集的微生物图像。
进一步，所述检测模块检测方法如下：
首先，将免疫磁球与液体形式的待测样品进行混合，得到混合后的物料；混合的条件使得当待测样品中存在微生物时，免疫磁球能够特异性地结合所述微生物，所述能够特异地与微生物结合的免疫磁球由抗体与磁球偶联得到；
然后，将所述混合后的物料置于分选磁场中进行磁分离，除去未结合在免疫磁球上的物质；
最后，重悬磁分离得到的沉淀物，并将得到的重悬液进行核磁共振而检测横向弛豫时间，根据横向弛豫时间判断待测样品中的微生物的含量。
进一步，所述免疫磁球的用量为200-600μg。
进一步，所述磁球的粒径为50-200nm。
本发明的另一目的在于提供一种多功能智能便携式微生物收集方法包括通过光学显微镜对采集微生物图像进行处理，具体包括：建立图像的显著性模型；
根据所述显著性模型获取所述图像中的前景样本点和背景样本点；根据所述显著性模型，计算所述图像中各个像素点的显著性值；将各个像素点的显著性值进行归一化；将归一化后的显著性值大于预定前景阈值的像素点确定为所述前景样本点；将归一化后的显著性值小于预定背景阈值的像素点确定为所述背景样本点；其中，所述预定前景阈值大于所述预定背景阈值，归一化后的各个显著值均位于(0，1)中；
根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；所述前背景分类模型包括前景分类模型和背景分类模型，所述根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型，包括：根据所述前景样本点建立前景颜色似然模型；根据所述背景样本点建立背景颜色似然模型；将所述显著性模型与所述前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点为前景的概率；将所述显著性模型与所述背景颜色似然模型相乘，得到所述背景分类模型，所述背景分类模型用于表征像素点为背景的概率；
根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
进一步，根据预定图割算法对所述图像进行分割，包括：
利用所述前景分类模型计算所述图像中每个像素点的前景相似度；
利用所述背景分类模型计算所述图像中每个像素点的背景相似度；
获取所述图像中相邻像素点之间的相似度；
利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图；
利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割；
利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图，包括：
构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间的第二类边，所述像素顶点与所述背景顶点之间的第三类边，所述无向图中的像素顶点与所述图像中的各个像素点一一对应；
对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相似度，确定为所述第二类边的权值；
对于每条第三类边，将与所述第三类边相连的像素顶点所对应的像素点的背景相似度，确定为所述第三类边的权值；
对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点之间的相似度，确定为所述第一类边的权值；
所述建立图像的显著性模型，包括：
利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；
所述显著性模型为：
其中，si1为区域ri中任一像素点的显著性值，w(rj)为区域rj中的像素点的个数，ds(ri,rj)用于表征所述区域ri和所述区域rj之间空间位置差异的度量值，dc(ri,rj)用于表征所述区域ri和所述区域rj之间颜色差异的度量值，n为对所述图像进行过分割后得到的区域的总个数，ds(ri,rj)为：
所述建立图像的显著性模型，包括：
按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；
根据每种颜色类型的颜色值，建立所述显著性模型；
所述显著性模型为：
其中，w(pj)为颜色类型pj中像素点的个数，dc(pi,pj)用于表征颜色类型pi和颜色类型pj之间颜色差异的度量值。
本发明的另一目的在于提供一种搭载有所述多功能智能便携式微生物收集系统的多功能智能便携式微生物收集设备。
本发明的另一目的在于提供一种实现所述多功能智能便携式微生物收集方法的计算机程序。
本发明的另一目的在于提供一种实现所述多功能智能便携式微生物收集方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述多功能智能便携式微生物收集方法。
本发明的优点及积极效果为：
本发明通过太阳能供电模块可以获取源源不断的太阳能，保障收集系统持久工作，节约能源，经济环保；方便携带过程中进行随时供电；同时通过检测模块能够快速有效地检测样品中微生物(特别是细菌、真菌或病毒等)的含量，操作简单易行且特异性强、灵敏度高，在痕量微生物检测领域极具应用前景。
本发明通过图像识别模块有效识别微生物信息，本发明通过自动确定前景样本点和背景样本点，结合显著性模型以及前背景样本点建立前背景分类模型，利用该前背景分类模型实现图像分割；解决了相关技术中必须需要用户主观粗略地选定前景样本点和背景样本点，在对大量图像进行分割时，分割效率比较低的问题；由于可以自动获取前景样本点和自动样本点，且在建立前背景分类模型时还结合了先验的显著性模型，达到了可以实现自动化选取样本，提高了分类精确度以及分割效率的效果。
附图说明
图1是本发明实施例提供的多功能智能便携式微生物收集系统结构图。
图中：1、太阳能供电模块；2、图像采集模块；3、温度检测模块；4、中央控制模块；5、干燥模块；6、培养模块；7、检测模块；8、显示模块。
图2是本发明实施例提供的多功能智能便携式微生物收集方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
如图1所示，本发明提供的多功能智能便携式微生物收集系统包括：太阳能供电模块1、图像采集模块2、温度检测模块3、中央控制模块4、干燥模块5、培养模块6、检测模块7、显示模块8。
太阳能供电模块1，与中央控制模块4连接，用于通过太阳能电池板将太阳能转化为电能给收集系统进行持久供电；
图像采集模块2，与中央控制模块4连接，用于通过光学显微镜采集微生物图像；
温度检测模块3，与中央控制模块4连接，用于通过温度传感器检测微生物环境温度；
中央控制模块4，与太阳能供电模块1、图像采集模块2、温度检测模块3、干燥模块5、培养模块6、检测模块7、显示模块8连接，用于控制各个模块正常工作；
干燥模块5，与中央控制模块4连接，用于除去潮湿物料内及器皿内外水分；
培养模块6，与中央控制模块4连接，用于通过培养箱对微生物进行培养；
检测模块7，与中央控制模块4连接，用于对微生物含量进行检测；
显示模块8，与中央控制模块4连接，用于显示采集的微生物图像。
本发明提供的检测模块7检测方法如下：
首先，将免疫磁球与液体形式的待测样品进行混合，得到混合后的物料；混合的条件使得当待测样品中存在微生物时，免疫磁球能够特异性地结合所述微生物，所述能够特异地与微生物结合的免疫磁球由抗体与磁球偶联得到；
然后，将所述混合后的物料置于分选磁场中进行磁分离，除去未结合在免疫磁球上的物质；
最后，重悬磁分离得到的沉淀物，并将得到的重悬液进行核磁共振而检测横向弛豫时间，根据横向弛豫时间判断待测样品中的微生物的含量。
本发明提供的抗体为编号为01-91-99的kpl多克隆抗体。
本发明提供的免疫磁球的用量为200-600μg。
本发明提供的磁球的粒径为50-200nm。
本发明使用时，通过太阳能供电模块1将太阳能转化为电能给收集系统进行持久供电；通过图像采集模块2采集微生物图像；通过温度检测模块3检测微生物环境温度；中央控制模块4调度干燥模块5除去潮湿物料内及器皿内外水分；通过培养模块6对微生物进行培养；通过检测模块7对微生物含量进行检测；通过显示模块8显示采集的微生物图像。
下面结合具体分析对本发明作进一步描述。
本发明的图像采集模块包括微生物图像采集模块、微生物轮廓提取模块、图像结果输出模块；
微生物图像采集模块对采集的微生物图像进行预处理，通过图像灰度修正、去噪、锐化和边缘增强，去除干扰、噪声及差异，获得图像中微生物部分的亮度值；
微生物轮廓提取模块结合微生物先验知识，识别微生物形状、颜色与边缘，从周围环境中提取微生物的边缘轮廓并对提取出的微生物区域进行图像分割，探测微生物内图标；
所述图像结果输出模块，用于结合微处理器中存储的微生物先验知识，对图像分割后的微生物进行分类判决，判断微生物上有无缺陷，识别微生物标准图标并输出对应信息；
图像采集模块还包括条形码识别模块，与微生物轮廓提取模块连接，该条形码识别模块包括摄像单元、条形码识别单元、编码查询单元、数据库、视频处理单元、显示单元、目标表面附着的条形码；摄像单元负责获取目标图像，条形码识别单元负责识别目标条形码的编码，编码查询单元负责以编码检索数据库中编码对应的标识及信息，视频处理单元负责标识及信息的视频插入，显示单元负责显示包含目标标识及信息的视频图像；
条形码识别模块进行任务调度的过程中包含数据迭代过程，在数据迭代过程中，每个条形码根据转移公式确定被微生物轮廓提取模块进行图像分割选择的概率，转移公式为：
其中，τi,j和ηi,j分别表示将任务ti分配给条形码识别模块mj时的信息素及转移期望程度，n为微生物轮廓提取模块进行图像分割的条形码的个数；
α为激发系数，β为期望激发系数；
所述的τi,j和ηi,j均用条形码识别模块的计算能力来表示：
τi,j＝ηi,j＝msj/n；
msj表示处理任务i的条形码识别模块mj的计算速度，n为常数；
所述的条形码识别模块对残留信息进行更新时，采用如下公式：
τij(t+1)＝(1-ρ)×τij(t)+△τij(t)
其中，τij(t+1)表示第t+1次迭代时任务ti选择条形码识别模块mj的信息量，1-ρ为信息残留因子，ρ取值范围为[0,0.8),△τij(t)表示任务ti选择条形码识别模块mj执行残留在条形码识别模块mj上的残留信息量；
如图2所示，本发明的多功能智能便携式微生物收集方法包括通过光学显微镜对采集微生物图像进行处理，具体包括：
s101：建立图像的显著性模型；
s102：根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型；所述前背景分类模型包括前景分类模型和背景分类模型，所述根据所述显著性模型以及所述前景样本点和所述背景样本点，建立前背景分类模型，包括：根据所述前景样本点建立前景颜色似然模型；根据所述背景样本点建立背景颜色似然模型；将所述显著性模型与所述前景颜色似然模型相乘，得到所述前景分类模型，所述前景分类模型用于表征像素点为前景的概率；将所述显著性模型与所述背景颜色似然模型相乘，得到所述背景分类模型，所述背景分类模型用于表征像素点为背景的概率；
s103：根据预定图割算法对所述图像进行分割，所述预定图割算法利用所述前背景分类模型以及像素点之间的边缘信息对所述图像进行分割。
s101中，根据所述显著性模型获取所述图像中的前景样本点和背景样本点；根据所述显著性模型，计算所述图像中各个像素点的显著性值；将各个像素点的显著性值进行归一化；将归一化后的显著性值大于预定前景阈值的像素点确定为所述前景样本点；将归一化后的显著性值小于预定背景阈值的像素点确定为所述背景样本点；其中，所述预定前景阈值大于所述预定背景阈值，归一化后的各个显著值均位于(0，1)中；
根据预定图割算法对所述图像进行分割，包括：
利用所述前景分类模型计算所述图像中每个像素点的前景相似度；
利用所述背景分类模型计算所述图像中每个像素点的背景相似度；
获取所述图像中相邻像素点之间的相似度；
利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图；
利用所述预定分割算法对所述无向图进行分割，完成对所述图像的分割；
利用各个像素点的前景相似度、各个像素点的背景相似度以及相邻像素点之间的相似度，构造所述预定图割算法所需的无向图，包括：
构建所述预定图割算法所需的无向图，所述无向图包括前景顶点、背景顶点、至少一个像素顶点、相邻的两个像素顶点之间的第一类边、所述像素顶点与所述背景顶点之间的第二类边，所述像素顶点与所述背景顶点之间的第三类边，所述无向图中的像素顶点与所述图像中的各个像素点一一对应；
对于每条第二类边，将与所述第二类边相连的像素顶点所对应的像素点的前景相似度，确定为所述第二类边的权值；
对于每条第三类边，将与所述第三类边相连的像素顶点所对应的像素点的背景相似度，确定为所述第三类边的权值；
对于每条第一类边，将与所述第一类边相连的两个像素顶点所对应的两个像素点之间的相似度，确定为所述第一类边的权值；
所述建立图像的显著性模型，包括：
利用预定过分割算法对所述图像进行过分割，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；
所述显著性模型为：
其中，si1为区域ri中任一像素点的显著性值，w(rj)为区域rj中的像素点的个数，ds(ri,rj)用于表征所述区域ri和所述区域rj之间空间位置差异的度量值，dc(ri,rj)用于表征所述区域ri和所述区域rj之间颜色差异的度量值，n为对所述图像进行过分割后得到的区域的总个数，ds(ri,rj)为：
所述建立图像的显著性模型，包括：
按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；
根据每种颜色类型的颜色值，建立所述显著性模型；
所述显著性模型为：
其中，w(pj)为颜色类型pj中像素点的个数，dc(pi,pj)用于表征颜色类型pi和颜色类型pj之间颜色差异的度量值。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。